仕事ができる人はChatGPTで「メール作成」なんてしない。では、優秀な人の“すごい使い方”とは？
AIが「使えるかどうか」は、人間側の「使い方」で決まります。
そう語るのは、グーグル、マイクロソフト、NTTドコモ、富士通、KDDIなどを含む600社以上、のべ2万人以上に思考・発想の研修をしてきた石井力重氏だ。そのノウハウをAIで誰でも実践できる方法をまとめた書籍『AIを使って考えるための全技術』が発売。全680ページ、2700円のいわゆる“鈍器本”ながら、「AIと、こうやって対話すればいいのか！」「値段の100倍の価値はある！」との声もあり話題になっている。思考・発想のベストセラー『考具』著者の加藤昌治氏も全面監修として協力し、「これを使えば誰でも“考える”ことの天才になれる」と太鼓判を押した同書から、AIの便利な使い方を紹介しよう。（構成／ダイヤモンド社・石井一穂）
AIを使って「実行プラン」を考える
AIを仕事の効率化や自動化だけに使うのは少々もったいない。
アイデア発想や問題解決といった「頭を使う作業」にもAIは活用できる。
ただし、適当な聞き方をしても質の良い回答は得られない。
ロクでもない回答が返ってきてしまうときには、人間側の質問（プロンプト）が適切でないことがほとんどだ。
たとえば、アイデアを実行する際のプランや具体的なステップを考えることにも、AIは活用できる。
それが、『AIを使って考えるための全技術』で紹介されている技法「アクション・プラン」だ。
そのプロンプトが、これだ。
＜技法「アクション・プラン」のプロンプト＞
〈アイデアを記入〉
このアイデアを実現するために具体的なアクション・プランを示してください。
――『AIを使って考えるための全技術』（436ページ）より
「実行プラン」が、アイデアや企画の成否を左右する
「アイデアは良いのに、実行段階で止まってしまう」
そんな経験はないだろうか。
企画が通った後、いざ事業として動かそうとすると、何から手をつければいいのかわからなくなる。
実行計画のパーツが抜けていると、リソース配分や手順が曖昧になり、事業はうまく回らない。アイデアの良し悪しだけでなく、「実行プラン」が成否を左右するのである。
とはいえ、事業全体を俯瞰しながら具体的なアクションを整理するのは簡単ではない。必要な作業や順序をすべて洗い出すには経験も時間も必要であり、見落としが生まれやすい。
そこで使えるのが、AIを使って考える技法「アクション・プラン」。
「このアイデアのアクションプランを作成してください」とAIに依頼し、実行計画を整理してもらうのである。
この聞き方をすると、AIがやるべき作業や手順を構造化して提示してくれる。
さらに「具体的に」「数字で」と深掘りすれば、より詳細な計画も作れる。見落としていた作業も補完され、アイデアを実行に移すための道筋が明確になるのである。
「AIを使った社員評価システム」の実行プランを考えてみよう
では、この技法を実践してみよう。
たとえば、以前の記事で扱った「AIを使った社員評価システム」を実際に開発していくとしよう。
評価制度は全社的なテーマであるため、利害関係者も多い。それに属人的な部分もあるため、AIで行うにしても、基準をどう作ればいいのか。いろいろと悩ましいところだ。
そこで技法「アクション・プラン」のプロンプトを使って、AIにこのように聞いてみた。
〈生成AIが日々の業務記録や成果、行動データを整理・分析し、社員評価の参考情報やコメントのたたき台を自動生成する。上司はそれをもとに最終判断を行うため、評価の負担が軽減され、透明性と公平性が向上。社員の納得感が高まり、人事制度の運用も効率化される〉
このアイデアを実現するために具体的なアクション・プランを示してください。
さて、AIはどのようなアイデアを出してくるのだろう。
「生成AIによる社員評価支援」実現のためのアクション・プラン
�� 目的・評価対象の明確化（設計フェーズ）
まず、生成AIに何を評価させるのかを明確にする。
アクション
・評価項目の定義（例）
・成果（数値・プロジェクト達成）
・行動（チーム貢献・主体性）
・成長（スキル・改善）
・プロセス（取り組み姿勢）
達成要件
・人事制度と一致した評価項目になっている
・AIが分析可能な形式に落とし込まれている
�� データ収集の仕組み構築（入力フェーズ）
評価のもとになるデータを自動収集できる仕組みを作る。
収集対象例
・日報・週報
・タスク管理ツール（Asana、Notion、Backlogなど）
・Slack・Teamsの投稿
・営業実績・KPIデータ
・自己評価コメント
アクション
・日報フォーマットを統一
・タスク管理ツールの活用ルール設定
・データ連携の自動化（APIなど）
達成要件
・手入力の負担が増えない
・自動的にデータが蓄積される
�� AI分析ロジックの設計（分析フェーズ）
収集したデータをAIが分析する仕組みを作る。
AIの役割
・行動ログの要約
・成果の整理
・強み・改善点の抽出
・成長傾向の分析
出力例
・今期の主な成果（3点）
・強み（例：主体性・協働）
・改善点（例：報告の頻度）
・具体的エピソード
達成要件
・評価コメントのたたき台になる
・人が最終判断できるレベルの質
�� 評価コメント自動生成（出力フェーズ）
AIが評価コメントのドラフトを生成する。
生成内容
・評価コメント（総評）
・昇格・評価判断の参考コメント
・フィードバックコメント
・次期目標の提案
アクション
・評価コメントテンプレート作成
・人事制度に沿った文体設計
達成要件
・上司が修正しやすい内容
・評価の一貫性が保たれる
�� 上司によるレビュー・最終判断（意思決定フェーズ）
AIの出力をもとに、上司が最終判断する。
アクション
・AIコメントの確認
・必要に応じて修正
・最終評価の決定
達成要件
・AI依存にならない
・人の判断を中心に据える
�� パイロット導入（検証フェーズ）
まず一部部署で試験導入する。
アクション
・1部署または10名程度で試験
・評価制度の運用テスト
・フィードバック収集
検証ポイント
・評価の納得感
・上司の負担軽減
・コメントの質
�� 全社展開（運用フェーズ）
問題点を改善して全社展開する。
アクション
・ガイドライン作成
・研修実施
・人事制度との統合
想定スケジュール（例）
・1か月目：設計・評価項目整理
・2か月目：データ収集仕組み構築
・3か月目：AI分析設計
・4か月目：パイロット導入
・5〜6か月目：改善・全社展開
このアクション・プランのポイント
・AIは「評価する」のではなく「整理する」
・最終判断は必ず人が行う
・評価の透明性を高める
この設計にすることで、「評価の負担軽減」と「公平性向上」を両立できる仕組みになる。
なるほど。「アイデア」を単なる概念のままにせず、実行できる段階まで具体化してくれている。
まず評価できるのは、導入までのプロセスが段階的に設計されている点で。評価制度の設計から始まり、データ収集、AI分析、コメント生成、上司の判断、試験導入、全社展開という流れは、実際の企業導入の現実に即している。
とくに「いきなり全社導入しない」というパイロット導入の設計は、実務的な視点が入っている証拠であり、実現可能性を高めている。
また、「AIが評価するのではなく、AIが整理する」という考え方が明確に示されている点も優れている。社員評価は非常にセンシティブな領域であり、AIに判断を委ねることへの抵抗感は大きい。その懸念をあらかじめ踏まえ、「最終判断は人が行う」という設計にしている点は、導入時の心理的ハードルを下げる現実的な工夫である。
抽象的な「データを集める」ではなく、「どこから何を取るか」も明確になっているため、導入イメージが具体的に湧く構成になっている。
「達成要件」が各ステップに設定され、「どの状態になれば成功か」が明確になっている点も、実務のプロジェクト設計として非常に有効である。
何かの企画やアイデアを実行に移す際、ぜひ技法「アクション・プラン」を活用してはいかがだろうか。
（本稿は、書籍『AIを使って考えるための全技術』掲載の技法をもとに作成したオリジナル記事です。他にも書籍では、AIを使って思考の質を高める56の方法を紹介しています）
